Hasil Pencarian  ::  Simpan CSV :: Kembali

"Proses pengendalian mutu statistik berperan penting dalam pemantauan proses produksi. Pemantauan proses yang melibatkan beberapa peubah secara bersama-sama disebut dengan pengendalian mutu statistik multivariat. Pemantauan proses dapat dilakukan dengan menggunakan bagan kendali multivariate. Tujuan dari bagan kendali multivariat adalah untuk mengetahui apakah proses yang dilakukan terkendali atau tidak dan salah satu bagan yang sering digunakan dalam pengendalian mutu statistik multivariat adalah bagan kendali Hotelling T 2 . Pada skripsi ini akan membahas bagan kendali Hotelling T 2 yang digunakan untuk memantau proses pada fase I dan fase II. Namun bagan kendali Hotelling T 2 tidak dapat mengidentifikasi penyebab masalah jika pada bagan terdapat outlier. Oleh karena itu digunakan dekomposisi dari T 2 ( dekomposisi MYT ) untuk mengidentifikasi peubah mana yang secara signifikan menyebabkan proses tidak terkendali. "

"Penelitian ini memanfaatkan teknik analisa data multivariat secara deskriptif, khususnya skala multidimensi dan analisis gugus untuk mengungkapkan dan menggambarkan struktur dokumen bidang teknik mesin. Dokumen tersebut adalah skripsi mahasiswa Jurusan Teknik Mesin Universitas Indonesia dan Institut Teknologi Bandung tahun 199.5-2000. Secara khusus, tujuan penelitian adalah: (1) menganalisis subjek dari skripsi mahasiswa Teknik Mesin Universitas Indonesia dan Institut Teknologi Bandung, (2) mengindentiflkasi kedekaiar subjek antara satu skripsi dengan skripsi la'nnya dengan memperhatikar, co-words (3, menentukan dan rnernetakan struktur pengctahuan bidang teknik mesin sebagaimana terdapat pada skripsi mahasiswa Jurusan Teknik Mesin Universitas Indonesia dan Institut Teknologi Bandung, (4) mengevaluasi penggunaan teknik multivariate data-analytic dan analisis co-words. Dalam penelitian ini, kata kunci diambil dari judul dan abstrak skripsi. Pengindeksan menggunakan pengindeksan tingkat medium, aedaiigkan standardi;;asi menggunakan Engineenng Information Thesaurus. Ukuran similarit}- yang digunakan adalah simple matching, dan koefisien Jaccard. Koefisien Jaccard tersebut kemudian ditransformasikan menjadi matriks cli.s.similarity.yang digunakan untuk menentukan gugus dokumen dan pemetaan. Analisis gugus menggunakan metode furthes neighbor (complete linkage). 1-lasil dari analisis tersebut diperkaya dengan peta dua dimensi dan complete-linkage deitdogrant. Hasil evaluasi dari pakar subjek berdasarkan gugus dan peta yang dihasilkan maka subjek skripsi mahasiswa Jurusan Teknik Mesin Universitas Indonesia 1995-2000 tidal.; banyak mengalami perubahan dari tahun ke tahun, sedangkan untuk subjek skripsi mahasiswa Jurusan Teknik Mesin Institut Teknologi Bandung 1995-2000 mengalami perbedaan selama rentang waktu tersebut.

---

This research uses descriptive multivariate data-analytic techniques multidimensional scaling and hierarchical cluster analysis to explore and visualize the structure of the mechanical engineering papers of Mechanical Engineering Department of Indonesia University and Bandung Institute of Technology published in 199.5 to 2000. Specifically the objectives of this research arc: (1) to analyze the subjects of mechanical engineering papers, (2) to identify the closeness of the subjects among papers by co-words, (3) to map the knowledge structure of mechanical engineering, and (4) to evaluate the use of descriptive multivariate data-analytic techniques and co-word analysis to explore the structure of an inherently mechanical engineering papers.Keywords are extracted from the title and abstract of documents. The medium indexing is used in indexing technique. To standardize the keywords is used Engineering Information Thesaurus. Document similarity was measured using simple matching for document pairs, and Jaccard's coefficient for document cluster and mapping. The coefficient have to be transformed to a dissimilarity matrix. A cluster analysis used the furthest neighbor or complete linkage method. Each analysis results in a cluster enhanced two dimensional MDS map, and a complete-linkage dendograrn. The results showed that there were 453 keywords which were extracted from 142 papers. The mean number of keywords in common was 3.19. Thee were 4 clusters for mechanical engineering papers of Indonesia University academic year 1995-1997, 3 clusters for Indonesia University 1998-2000, 3 clusters for Bandung Institute of Technology 1995-1997, and 6 clusters for Bandung Institute of Technology 1998-2000. The results of subject expert's evaluation based on clusters and the MDS map showed that subject of Indonesia University papers are less developed till 1995 to 2000. For the same time, the subject of Bandung Institute of Technology papers are developed rapidly."

"Dalam dunia sekarang ini pemodelan sistem menjadi hal yang penting dalam pengembangan dunia teknologi. Berbagai cara telah dilakukan untuk membuat algoritma pemodelan sistem yang baik dan tantangan yang dihadapi pun semakin banyak. Salah satunya tantangan yang perlu dihadapi adalah adanya sistem yang kompleks. Dalam contoh praktis, penggunaan model sistem multivariabel dalam menggambarkan sistem sungguhan sudah menjadi hal yang umum untuk memenuhi tuntutan zaman. Salah satu usaha untuk dapat memodelkan sistem multivariabel adalah dengan menggunakan algoritma machine learning dengan struktur artificial neural network. Algoritma ini memiliki kemampuan untuk dapat meningkatkan performanya secara otomatis sehingga diharapkan dapat membangun pemodelan yang terbaik untuk sistem yang ingin dimodelkan secara otomatis juga sehingga dapat memudahkan kerja manusia tanpa harus membangun persamaan matematis secara manual terlebih dahulu. Studi ini ingin memelajari hasil yang didapatkan dari percobaan pemodelan sistem dinamik pesawat terbang dengan menggunakan artificial neural network dan menjadikan hasil studi tersebut bahan pengembangan lebih lanjut dalam teknologi pemodelan sistem menggunakan artificial neural network.

---

In the modern world, system modelling becomes an important part of technology development. Various ways have been done to create good system modelling algorithms and with that more and more challenge comes. One of the challenges that need to be faced is the existence of complex systems. For example, using multivariable system model to represent real world system is becoming common nowadays to fulfil demands. One effort to model a multivariable system is to use machine learning algorithms with artificial neural network structures. This algorithm has the capability to be able to improve its performance automatically so it is expected to build the best model parameter for the system that wants to be modelled. Also, this helps to make modelling easier for human without having to build a mathematical equation manually first. This study wanted to present the results from experimental modelling of aircraft dynamic systems by using artificial neural network and with that contribute to the development of system modelling technology using artificial neural network."

"Most of the observable phenomena in the empirical sciences are of a multivariate nature. In financial studies, assets are observed simultaneously and their joint development is analysed to better understand general risk and to track indices. In medicine recorded observations of subjects in different locations are the basis of reliable diagnoses and medication. In quantitative marketing consumer preferences are collected in order to construct models of consumer behavior. The underlying data structure of these and many other quantitative studies of applied sciences is multivariate. Focusing on applications this book presents the tools and concepts of multivariate data analysis in a way that is understandable for non-mathematicians and practitioners who need to analyze statistical data. The book surveys the basic principles of multivariate statistical data analysis and emphasizes both exploratory and inferential statistics. All chapters have exercises that highlight applications in different fields. The third edition of this book on Applied Multivariate Statistical Analysis offers the following new features. A new Chapter on Regression Models has been added. All numerical examples have been redone, updated and made reproducible in MATLAB or R, see www.quantlet.org for a repository of quantlets."

"Salah satu pendekatan yang dapat digunakan dalam perhitungan cadangan klaim pada perusahaan asuransi adalah teori kredibilitas, yang memungkinkan perhitungan cadangan klaim dilakukan dengan mengombinasikan data pembayaran klaim pada portfolio terkait dengan informasi lainnya, contohnya adalah data pembayaran klaim dari porfolio lain yang similar. Pada tugas akhir ini, digunakan model kredibilitas Bühlmann-Straub untuk perhitungan cadangan klaim. Lebih jauh lagi, pada umumnya perhitungan total cadangan klaim pada suatu perusahaan dilakukan dengan menghitung cadangan klaim pada masing-masing lini bisnis yang ada di perusahaan tersebut, kemudian cadangan klaim untuk perusahaan tersebut (aggregate reserve) diperoleh dengan menjumlahkan cadangan klaim pada masing-masing lini bisnis. Dengan mempertimbangkan kemungkinan adanya korelasi antara lini bisnis yang ada pada perusahaan asuransi, nilai aggregate reserve sesungguhnya dapat bernilai lebih kecil dari penjumlahan cadangan klaim pada masing-masing lini bisnis yang ada. Karenanya, penelitian mengenai perhitungan cadangan klaim kemudian berkembang dengan mempertimbangkan data pembayaran klaim dari berbagai lini bisnis pada suatu perusahaan, atau disebut juga dengan perhitungan cadangan klaim dalam konteks multivariat. Pada tugas akhir ini, dilakukan penelitian mengenai pembentukan model kredibilitas Bühlmann-Straub multivariat untuk perhitungan cadangan klaim beserta dengan estimasi parameter-parameter model tersebut. Model yang telah terbentuk kemudian digunakan untuk menghitung cadangan klaim pada tiga lini bisnis di perusahaan asuransi. Error prediksi pada masing-masing lini bisnis dengan menggunakan model kredibilitas BA¼hlmann--Straub multivariat adalah sebesar 0,7899%, 2,9286%, and 0,8239%, sedangkan error prediksi pada masing-masing lini bisnis dengan menggunakan model kredibilitas B¼hlmann-Straub standar adalah sebesar 0,7954%, 2,9438%, and 0,8726%. Tampak bahwa error prediksi dengan model kredibilitas B¼hlmann-Straub multivariat lebih kecil dibanding error prediksi dengan model kredibilitas BA¼hlmann-Straub standar.

---

One of the approaches that can be used in the calculation of claim reserve in insurance companies is A credibility theory, which allows the calculation of claim reserve by combining claim payment data from related run-off triangle with other information, for example, claim payment data from the other run-off triangles that is similar. In this thesis, the A BA¼hlmann-Straub credibility model is used in the calculation of claim reserve. Furthermore, in general, the calculation of claim reserve in a company is done by calculating the claim reserve in each line of business in the company, then the total claim reserve for the company (aggregate reserve) is obtained by adding up the claim reserve in each line of business. Taking into account the possibility that there is correlation between the existing lines of business in insurance companies, the value of A aggregate reserve can actually be less than the sum of the claim reserve in each of the existing line of business. Therefore, research on the calculation of claim reserve then evolves by considering claim payment data from various lines of business in a company, or also called claim reserve calculation in multivariate context. In this thesis, a research is conducted on the development of multivariateA BA¼hlmann-Straub credibility model for claim reserving along with estimation for parameters of the model. The model is used to calculate claim reserve for three lines of business in insurance company. The error of predictions for each line of business by using multivariateA BA¼hlmann-Straub credibility model are 0,7899%, 2,9286%, and 0,8239%, meanwhile the error of predictions for each line of business by using standardA BA¼hlmann-Straub credibility model are 0,7954%, 2,9438%, and 0,8726%. It appears that the error of multivariateA BA¼hlmann-Straub credibility model is lower than the error of standardA BA¼hlmann-Straub credibility model."